Aplicação de técnicas de visão computacional no reconhecimento e na detecção de defeito em isoladores poliméricos de suspensão.

• Ano de defesa: 2024
• Autor(a) principal: NÓBREGA, Samuel Cesarino da.
• Orientador(a): LIRA, George Rossany Soares de. , VILAR, Pablo Bezerra.
• Banca de defesa: COSTA, Edson Guedes da., DANTAS, Karcius Marcelus Colaço.
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande
• Programa de Pós-Graduação: PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
• Departamento: Centro de Engenharia Elétrica e Informática - CEEI
• País: Brasil
• Palavras-chave em Português: Isolador polimérico; Fotografia; You Only Look Once (YOLO); Detecção de defeitos em isoladores; Dimensão de entrada; Polymeric insulator; Photography; Detection of defects in insulators; Input dimension
• Área do conhecimento CNPq: Engenharia Elétrica.
• Link de acesso: https://dspace.sti.ufcg.edu.br/handle/riufcg/39685

Os isoladores elétricos são equipamentos que apresentam um papel relevante na confiabilidade do sistema elétrico. Nas últimas décadas, os isoladores de vidro e de porcelana vêm sendo substituídos pelos isoladores poliméricos. Ainda que apresentem vantagens sobre os isoladores de vidro e de porcelana, os isoladores poliméricos são mais susceptíveis à ocorrência de defeitos devido à exposição à radiação solar e aos estresses elétricos. Além disso, o diagnóstico dos isoladores poliméricos é mais complexo, tendo em vista que os defeitos recorrentes são bastante pequenos e mais difíceis de serem detectados durante o processo de inspeção. Para tornar o processo de inspeção mais rápido, muitos pesquisadores estão propondo o uso de técnicas de Visão Computacional para a detecção de defeitos em cadeias de isoladores de vidro e de porcelana a partir de fotografias aéreas, porém são poucos os trabalhos que utilizam a mesma metodologia para a inspeção de isoladores poliméricos. Diante disso, o presente trabalho tem como objetivo identificar defeitos em isoladores poliméricos de suspensão a partir do uso de técnicas de Inteligência Artificial aplicadas a fotografias. Para tanto, são construídas bases de dados de fotografias de isoladores poliméricos em cinco diferentes distâncias entre câmera e isolador. Devido à necessidade de uma grande quantidade de dados para o treinamento de modelos de Visão Computacional, são utilizadas técnicas de data augmentation para a obtenção de novas amostras de fotografias. Em seguida, modelos fine-tuning de detectores YOLOv8 são treinados para realizar a detecção de quatro tipos de defeitos em isoladores: núcleo exposto, corrosão nas ferragens, rachaduras e cortes nas aletas. Por fim, é avaliado o impacto da distância entre a câmera e o isolador, da dimensão de entrada das fotografias e do tipo de modelo utilizado na detecção dos defeitos. Os resultados obtidos mostraram que a YOLOv8 é capaz de apresentar precisão, sensibilidade e AP acima de 90% na detecção de defeitos em isoladores a partir de fotografias capturadas dentro da distância de segurança entre câmera e isolador, desde que a resolução seja alta e que haja uma grande quantidade de dados para treinamento.